代做MH6812: Advanced Natural Language Processing with Deep Learning代做迭代

日期：2025-02-10 05:07

MH6812: Advanced Natural Language Processing with Deep Learning

Project Proposal Instructions

(a)         Team   Size:   Each  team   should  generally   contain  3-5  students.   But,  if  the   project  is significant enough, then more people may be allowed; please confirm with the instructor.

(c)          Proposal: Some information you should think about when determining the topic:

•    Goals/Objectives: Describe the goals of your project in terms of a scientific question you are trying to answer – e.g., your goal may be to investigate whether a particular model or technique performs well at a certain task, or whether you can improve a particular model by adding some new variant, or (for theoretical/analytical projects), you might have some particular hypothesis that you seek to confirm or disprove. Otherwise, your goal may be simply to successfully implement a complex neural model, and show that it performs well on  a  given  task.   Briefly  motivate  why  you  chose  this  goal  –  why  do  you  think  it  is important, interesting, challenging and/or likely to succeed? If you have any secondary or stretch goals (i.e. things you will do if you have time), please also describe them.

•    NLP tasks: What  NLP tasks/applications you intend to consider for your  model. Describe the task clearly (i.e., give an example of an input and an output, if applicable)

•    Data: The  dataset(s) you will  use. What  kind of preprocessing they  need. If you plan to collect your own data, describe how you will do that and how long you expect it to take.

•    Neural  Models:  Describe  the  models  and/or  techniques you  plan to  use.  Make  it clear which  parts you  plan  to  implement  yourself,  and which  parts you  will  download from elsewhere. If there is any part of your planned method that is original, make it clear.

•    Baseline(s):  What  baselines  will you  use to  compare your model with?  Make it clear if these  will  be  implemented  by  you,  downloaded  from  elsewhere,  or   if  you  will  just compare with previously published scores.

•    Evaluation:   How   will  you  evaluate  your   results?  Specify  at   least  one  well-defined, numerical,  automatic  evaluation  metric  you  will  use  for  quantitative  evaluation.  What existing  scores  will  you  be  comparing  against  for  this  metric?  For  example,  if  you’re reimplementing or extending a method, state what score(s) the original method achieved; if  you’re  applying  an  existing  method  to  a  new  task,  mention  the  state-of-the-art performance on the new task, and say something about how you expect your method to perform.  compared  to  other  approaches.   If  you   have  any   particular  ideas  about  the qualitative evaluation you will do, you can describe that too.

•    Possible  Submission  (optional):  Do  you  plan  to  submit  the  work  to  a  conference  or journal in your field or in NLP? When is the deadline?